大钝角剖分与最小二乘法约束迭代算法优化TIN模型研究

TIN模型通过从不规则分布的数据点生成的连续三角面来逼近地形表面,就表达地形信息的角度而言,TIN模型的优点是它能以不同层次的分辨率来描述地形表面。但在相关软件对离散数据生成TIN模型时会出现边缘失真现象,特别是当一些离散数据出现凹区域时,凹区域地形逼近失真现象相当明显。而在这些凹区域大多生成的三角网以钝角三角形居多,本文对离散数据TIN模型生成DEM时存在凹区域地形逼近失真现象进行了研究。提出一种大钝角剖分与最小二乘法约束迭代算法优化TIN模型。首先对原始TIN模型中大于100°小于1800的钝角三角形进行遍历记录,然后利用最小二乘法约束迭代算法进行优化,通过此算法优化后的TIN模型生成DEM数据,分别从小区域面积稳定性与剖面拟合实际地形进行了试验与精度对比,试验显示这种算法是可行的。     

三维视景仿真中TIN数字高程模型的简化

一、引言 数字高程模型（DEM）是进行3维空间数据处理,地形分析和进行三维视景仿真的核心数据。DEM常用TIN和GRID2种数据结构形式描述,其中,TIN由于具有可变的分辨率,精度高,能较好地表现不规则地貌的形态特征,因而具有非常广泛的用途。但一般情况下,地形本身的数据量很大,当需要实现对地形的多分辨率显示时,便需要对地形数据进行简化,以得到不同分辨率的地形模型。因此,如何在保持一定精度的前提下,对原数据模型进行简化,以减少数据量,消除数据冗余便成为人们关心的一个焦点,本文对该问题进行了研究,通过删除简化地形描述误差小于阈值的点,并对局部三角网进行Delaunay最优三角剖分,从而达到简化的目的,该算法能较好地保留地形特征点,使简化后的地形与原地形保持最大的相似性。最后,利用试验对本文算法进行了验证。     

高精度DEM建模的加权径向基函数插值方法

在数字高程模型（digital elevation model,DEM）建模过程中,经典空间插值方法均没有考虑断裂线附近的局部地形特征影响,使得断裂线局部区域高程被平滑,从而导致地形特征失真。为了解决该问题,构造了一种顾及断裂地形特征的定权方法,并以径向基函数（radial basis function,RBF）为插值算子,提出了加权径向基函数方法。首先通过捕捉每个采样点的结构张量,自适应计算采样点与待求点的距离,然后利用该距离对每个采样点赋予合适的权重,最后利用加权插值实现DEM建模。以10组国际摄影测量和遥感学会公共数据和1组山体滑坡区域的机载激光雷达点云数据为例,利用所提方法构建样区DEM,并将计算结果与标准RBF及传统插值算法（如反距离加权法、克里金法、约束不规则三角网法）进行比较。精度分析表明,不论采样点数为多少,所提方法计算精度均优于其他插值方法;对DEM山体阴影图分析表明,相较于传统插值方法,所提方法能较好地保持断裂线局部地形特征。     

基于规则格网DEM的地形特征提取算法

提出并实现了一种基于规则格网DEM的地形特征线提取算法,该算法在现有地表水流模拟方法的基础上将矢量操作与栅格操作结合起来对规则格网DEM中的洼地进行填平处理,采用邻域格网分组扫描方法确定平地水流方向,与以往算法相比在提取效率和结果准确性等方面都有了明显的改进,从而也使其更加适合于对大规模的DEM数据进行处理,采用各种尺度的DEM进行试验的结果验证了以上结论.     

数字高程模型地形描述精度量化模拟研究

在首先提出数字高程模型（DEM）地形描述误差（Et)概念的基础上，以我国5个不同地貌类型区为试验样区，采用比较分析的方法，研究EDEM地形描述误差的成因、影响因素、量测方法以及误差的数学模拟途径。统计分析的结果证明DEM地形描述误差与DEM空间分辨率及其地面粗糙度之间存在着线性相关关系，回归分析结果显示，DEM地形描述误差Et的均方差RMS值可以表达为DEM水平分辨率（R）与地面垂直曲率（V）的函数：RMS Et=(0.0063V 0.0066)R-0.022V 0.2415。该结果可用以估算估算所建立的DEM的地形描述精度，也为确定适宜的DEM分辨率提供了理论依据。     

利用地形开度算子自动提取激光雷达点云断裂线

基于机载激光雷达（LiDAR）点云生产高质量的数字高程模型（DEM）,需要地形特征线的约束。本文针对现有断裂线提取算法仅仅考虑了地表的局部变化,错提取率高的现状,从人工解译的角度出发,引入地形开度（topographic openness）作为一种定量描述地表整体变化的地形特征,提出了基于地形开度的断裂线自动提取算法。首先将原始地面点按高程采样成距离图像,然后通过地形开度算子获取地表的主体结构变化,最后结合形态学算子和边缘提取算子提取断裂线种子点并跟踪断裂线矢量。试验结果表明,该算法无需人工干预,能够快速提取较完整的断裂线。     

一种面向DEM多尺度表达的傅里叶能量谱模型

针对数字高程模型（digital elevation model,DEM）数据的多尺度表达问题,根据DEM格网数据在能量谱密度中“低频-高能-大尺度”的对应关系,在化简中关联地形语义特征,构建了DEM数据的多尺度表达模型。实验结果表明,该模型可以实时动态派生不同尺度下的DEM数据,通过等高线放样观察发现,该模型派生的DEM数据满足地形表达、空间认知和制图综合中的“保留主要地形特征、舍弃次要地形特征”的基本原则。与常用的DEM化简方法进行高程值统计以及坡形变化的定量对比分析,结果表明该方法在统计意义与结构意义上都具有较好的效果。     

浙江省平地区域机载LiDAR数据处理及DEM制作实践

为了进行平地区域原基础测绘产品高程的更新,我省进行了针对平地区域的机载LiDAR测高项目,为了获取高精度的DSM和DEM成果,在实际生产中开展了机载LiDAR数据处理及DEM成果的制作方法研究。本文将利用TerraSolid软件,从LiDAR点云数据的高程精度控制、点云滤波分类要求和如何利用特征线进行无点云数据区域的DEM精度控制等关键技术方面进行研究。     

ASTER GDEM V2的南极冰川高程误差校正及精度分析

ASTER GDEM V2是研究南极冰盖表面的一种重要DEM数据源。由于南极冰雪区反射率高且缺乏地形特征,导致ASTER GDEM V2存在大量的坑、隆起等噪声,难以直接用于南极地形分析。本文以ICESat/GLAS激光点高程数据作为参考,采用修正等高线法对南极伯德（Byrd）冰川ASTER GDEM V2进行了误差校正,并将其与ICESat-1 DEM的垂直精度进行了对比分析。结果表明：ASTER GDEM V2的RMSE由校正前的26.56 m下降到校正后的18.77 m,远低于ICESat-1 DEM的RMSE（121.24 m）;校正后的ASTER GDEM V2高程精度受坡度影响较小,不存在明显的系统误差,而ICESat-1 DEM的高程精度受坡度的影响较大。本研究进一步通过地形剖面分析得到：校正前的ASTER GDEM V2噪声主要分布于高程较低、地形平坦的区域,通过修正等高线的方法可以有效去除这些噪声,去除噪声后的ASTER GDEM V2可作为研究伯德冰川理想的DEM数据源。     

基于嫦娥二号立体影像的全月高精度地形重建

提出了一种针对嫦娥二号高分辨率立体影像的全月处理方法,采用5个激光反射器的月面位置作为绝对控制点,制作了一个新的全月地形产品（CE2TMap2015）,包括7 m、20 m和50 m 3种不同分辨率类型的数据,实现了全月球范围内的无缝镶嵌和高精度绝对定位,数字高程模型（DEM）和数字正射影像（DOM）均实现了全月球覆盖。在评估CE2TMap2015地形数据产品平面位置精度和高程精度的基础上,与SLDEM2013、GLD100和LOLA DEM等全月地形产品进行了比较,结果显示CE2TMap2015地形数据产品在空间分辨率、全月覆盖率、数据连续性、绝对定位精度和地貌结构细节表达等方面与其他全月地形产品相比具有明显的优势,可广泛用于月球科学研究和应用。     

一种顾及水下地形特点的多波束点云去噪算法

针对包含大量噪声的多波束点云去噪问题,顾及水下地形特点设计算法去除近地表噪声和明显离群噪声。算法基于RANSAC算法思想拟合局部平面,结合统计分析方法去除给定阈值范围之外的噪声;结合共面法矢量特征预判去除离群面并探测保留陡坡等高程梯度变化明显的敏感地形。通过减少点云数据检索次数、使用哈希表等方式优化算法,提高执行效率。能够保证地形一致性的同时较好地保留区域边界等信息。最后,设计实验对多波束点云去噪结果达到预期,并对实验结果进行探讨提出后续研究方向。     

Robust statistical approaches for local planar surface fitting in 3D laser scanning data

This paper proposes robust methods for local planar surface fitting in 3D laser scanning data. Searching through the literature revealed that many authors frequently used Least Squares (LS) and Principal Component Analysis (PCA) for point cloud processing without any treatment of outliers. It is known that LS and PCA are sensitive to outliers and can give inconsistent and misleading estimates. RANdom SAmple Consensus (RANSAC) is one of the most well-known robust methods used for model fitting when noise and/or outliers are present. We concentrate on the recently introduced Deterministic Minimum Covariance Determinant estimator and robust PCA, and propose two variants of statistically robust algorithms for fitting planar surfaces to 3D laser scanning point cloud data. The performance of the proposed robust methods is demonstrated by qualitative and quantitative analysis through several synthetic and mobile laser scanning 3D data sets for different applications. Using simulated data, and comparisons with LS, PCA, RANSAC, variants of RANSAC and other robust statistical methods, we demonstrate that the new algorithms are significantly more efficient, faster, and produce more accurate fits and robust local statistics (e.g. surface normals), necessary for many point cloud processing tasks. Consider one example data set used consisting of 100 points with 20% outliers representing a plane. The proposed methods called DetRD-PCA and DetRPCA, produce bias angles (angle between the fitted planes with and without outliers) of 0.20° and 0.24° respectively, whereas LS, PCA and RANSAC produce worse bias angles of 52.49°, 39.55° and 0.79° respectively. In terms of speed, DetRD-PCA takes 0.033 s on average for fitting a plane, which is approximately 6.5, 25.4 and 25.8 times faster than RANSAC, and two other robust statistical methods, respectively. The estimated robust surface normals and curvatures from the new methods have been used for plane fitting, sharp feature preservation and segmentation in 3D point clouds obtained from laser scanners. The results are significantly better and more efficiently computed than those obtained by existing methods.     

一种利用DEM数据进行数字线划图生产的方法

围绕基于DEM数据的地貌要素提取,对DEM的精度评价方法,基于DEM数据的地形特征提取原理及典型算法进行了研究,总结了基于DEM数据生产数字线划图的技术特点,设计了作业流程,并进行了生产试验。试验表明,在采用高分辨率DEM数据的情况下,基于DEM的数字线划图生产可满足基本等高距大于2 m、比例尺小于1∶2000的数字线划图生产,可以作为摄影测量的一种补充技术。     

一种基于空间几何约束的图像面元配准算法

针对在图像匹配中,传统RANSAC算法在特征点提纯方面效率不高的问题,本文采用空间几何约束算法进行特征点提纯,得到初始匹配点集,再通过RANSAC算法进行特征点精确提纯。实验结果表明:该方法在保证较高精度和鲁棒性的前提下,能有效提高RANSAC算法的时间效率,提高图像的拼接精度和速度。     

增量法地形可视计算与分析

DEM在表达地形时具有水平等距网格和垂直高差的特点,根据DEM表达地形的特点,利用双增量地形可视计算方法,以水平方向矢量叉乘增量计算来判断点的可视性,采用垂直方向高程增量的谷地凹处盲区测试,根据地形高程的变化来消除不可视点,该算法思路清晰、计算复杂度低。同时重点分析该算法在地形的部分区域和不同特征地形上的特点,指出该算法在起伏山地和沟谷地形中的优势;横向上与ArcGIS功能模块进行比较,可视计算速度大大提高。     

地形特征提取的一种简易算法

地形特征作为基本地理要素,从DEM数据中提取其隐含的地形结构信息是非常重要的。本方法采用距离倒数加权法建立格网DEM,提出一种直接比较高程值来提取地形特征的简易算法,并利用差分算法计算坡度和坡向,通过V isual C++软件平台,编程实现格网DEM地形特征的自动提取,进行三维立体显示。该算法易于编程实现,数据结构简单,程序运行效率高,提取结果与真实地形基本拟合。     

图论算法的无人机影像匹配特征点粗差剔除

无人机影像匹配过程中,粗差是不可避免的,因此,获取稳健性较高的特征点进行无人机影像匹配至关重要。传统的方法是采用经典的RANSAC算法进行粗差剔除,该算法受抽样次数、误差阈值的影响,还会残存部分误匹配的特征点。利用图论原理,对SIFT算法提取的特征点进行预处理,通过构建特征点的能量函数剔除能量较低的特征点,可以提高匹配特征点的稳健性,减少特征点的粗差。本文提出了一种新的方法,将图论算法与经典的RANSAC算法相结合进行粗差剔除。该方法命名为GSIFT-RANSAC算法,利用该算法可以提高特征点的稳健性,获取高精度的单应矩阵。采用两组无人机影像进行验证,本文提出的算法与单独利用图论剔除特征点的算法相比,粗差剔除率分别提高了5.31%和14.29%,说明该方法效果较好。     

DEM 网格间距对重力近区地形改正精度影响及验证

利用分形随机算法建立平地、丘陵和山地3种精细地形仿真场景,将DEM逐级重采样为不同网格间距,分析不同DEM网格间距对3种地形的重力近区地形改正误差影响。发现随着DEM网格间距的增加,近区地形改正误差随之增大。对于平地,使用1∶10 000的DEM,网格间距为5m仍能够满足规范要求;对于丘陵地,使用1∶5 000的DEM,网格间距为2.5m能够满足规范要求;对于山地,使用1∶1 000的DEM,网格间距1m能够满足规范要求。通过消费级无人机获取丘陵地精细地形,验证地形仿真的结论,同时说明消费级无人机能够应用于重力近区地形改正。     

InSAR DEM精度与地形特征的关系分析

为研究InSARDEM与地形特征的关系,本文以从不同空间位置获取的两幅SAR影像作为实验数据,将InSARDEM与USGSDEM进行比较,分析了InSARDEM的精度,并研究其与坡度、坡向之间的关系。结果表明,本次实验InSARDEM与USGSDEM高程差异中误差为+19.11m,其精度与地形特征强烈相关,随着坡度的增加,InSARDEM精度降低,且前坡处高程精度高于后坡。     

基于主成分变换模型的DEM格网聚合及其误差分析

利用主成分分析揭示变量之间关系的特性,进而提出一种既能保证较高精度又能较好地保持地形形态特征的DEM格网聚合方法。首先根据主成分变换模型推导DEM格网聚合数学公式,构建主成分聚合模型;然后以30m分辨率DEM转换为90m分辨率DEM为例,根据格网点属性间的权重关系聚合重构DEM。在此基础上,以均值聚合和双线性重采样聚合方法为比较对象,从聚合前后的检查点高程偏差的统计描述、空间分布与自相关性、地形形态保持程度方面分析3种聚合策略下重构DEM的误差特性。最后运用描述统计、半变异分析和等高线套合方法,定量评价主成分聚合重构DEM的质量效果。试验分析结果表明,同均值聚合和重采样聚合相比较,该方法重构的DEM既能保持较高精度,又能很好地保持地形形态特征。